当考虑到与SEO相关的机器学习的兴起时，我们可能面临一个可怕的场景，当然这取决于SEO专业人员的类型。

大多数SEO专业人士都是以逻辑为基础，我曾经不知道如何“构建优秀的内容，甚至无法想象自己能坚持下来写一堆乱七八糟的东西。

什么是机器学习？

在SEO的世界中，了解您正在优化的系统非常重要。

您需要了解：

搜索引擎如何抓取并索引网站；

搜索算法功能；

搜索引擎将用户意图视为排名信号（以及他们可能会使用它的位置）；

机器学习与人工智能（AI）不同，但该应用程序开始变得有点模糊。

如上所述，机器学习是使计算机基于信息得出结论的科学，但没有专门编程如何完成所述任务。

另一方面，AI是创建系统背后的科学，这些系统以类似的方式拥有或似乎拥有类似人类的智能和过程信息。

其中差异：

机器学习是一个旨在解决问题的系统。它以数学方式工作以产生解决方案。该解决方案可以专门编程，也可以由人工手动编制，但如果没有这个需求，解决方案会更快。

一个很好的例子就是设置一台机器，通过大量的数据来概述肿瘤的大小和位置，而无需编程。该机器将被列出已知的良性和恶性结论。有了这个，我们就会要求系统为未来与肿瘤相遇产生一个预测模型，以便根据所分析的数据预先产生几率。

这纯粹是数学上的。几百名数学家都可以做到这一点 – 但这需要他们多年（假设一个非常大的数据库），并希望他们中没有人会犯任何错误。或者，可以通过机器学习完成同样的任务 – 在更短的时间内完成。

另一方面，当我在考虑人工智能时，就会开始想到一个触及创意的系统，从而变得不那么可预测。

在同一任务上设置的人工智能可以简单地参考关于该主题的文献并从先前的研究中得出结论。或者它可以添加新数据。或者可以开始研究新的电机引擎系统，从而完成初始任务。

关键词虽然是人为的，但为了满足标准，它必须是真实的，从而产生变量和未知数，类似于我们与周围其他人互动时遇到的变量和未知数。

机器学习如何影响链接和链接建设？

区域机器学习的最简单的例子之一：链接可以大大增加谷歌的功能。

举一个小例子，机器学习可以在链接评估的一个关键方面发挥作用：过滤垃圾邮件。

谷歌已经在Gmail中使用机器学习，成功率达到99.9％，只有0.05％的时间产生假阳性。

将此结合起来链接评估，你就拥有了一个非常成功的模型。

以前，Google工程师必须：

创建劣质网站列表并手动阻止其链接资产流动。

根据他们之前看到的内容，编制坏链接的特定特征。

将贬值函数设置为链接计算，并希望它不包含太多误报。

通过机器学习，世界开放了。

但是仍然有一个主要的起点 – 已知坏域列表和另一个假定的坏信号列表。

但这些是机器学习系统可用于训练的理由：

了解如何将这些信号应用于他们遇到的其他链接。

针对看似垃圾邮件（或对此事件有利）开发自己的信号。

机器可以通过观察模式来教自己，而不是简单地依赖这种强硬的标准。

观察具有假定不良信号的站点（在其链接输出或链接中）将对机器进行分析。

然后，一旦确定了坏的确定，它可以启动逆向工程模式以便将来更快地检测。

垃圾网站链接到哪种类型的网站？

垃圾网站可以获得哪些类型的链接？

有链接增长模式吗？

销售付费链接的网页是否也倾向于链接到其他特定网站（他们这样做），如果是这样，哪些网站？

然后，系统可以将这些添加到它应用的指标中。

对于机器如何模拟人类可以做什么并放大它来说，这真的很少触及冰山一角。

想知道谷歌如何宣布他们正在使用垃圾链接贬值网站，而不是手动惩罚他们？

它可以通过能够以令人难以置信的速度学习和应用货币贬值并且误报率较低的机器来实现。

除此之外，机器还可以了解页面的内容质量和相关性，并将这些理解单独和整体地补充到等式中。

一台机器可以询问“这个链接是否应该为您的个人网站提供高权重？”然后进一步说，“链接是否很有可能被支付或有其他问题？”在其他链接的数据中发现并且在该页面和域上进行分析。

这些是可以将机器学习应用于链接的极其有限的示例。

垃圾邮件模式已经并且将会以越来越高的成功率被检测到，而质量链接将以更高的速率被理解和奖励。

这意味着更加注重质量，相关性和合法性 – 除非您认为自己可以提出系统来愚弄Google，而不是机器可以解决问题。

机器学习如何影响内容SEO？

虽然我们使用上面链接的例子，但是很少有其他领域的SEO会受到机器学习兴起而不是内容的影响。

为了说明这一点，我们只需要看看Google在翻译方面的工作。

10年来，他们使用基于短语的机器翻译来解决这个问题 – 主要是匹配已知的短语并提供结果。

2016年9月，他们转而使用机器学习系统（谷歌神经机器翻译系统），并在推出后的24小时内，系统提高了前十年的翻译水平。

基本上，机器学习可以在24小时内比人工编辑更有效地理解语言，即使没有机器辅助，也可以达到3,650倍。

这对SEO专业人士意味着什么？

数字营销的圣杯即将到来 – 那时我们唯一的工作就是推出尽可能好的内容和广泛的内容，并且格式足以满足更多的用户意图和偏好，而不是下一个。如果这些已经完成，谷歌也很有可能理解这一点。

这并不是说机器没有缺陷或者SEO专业人员没有角色。

事实上，我认为我们将扮演更重要的角色，但它不会在关键词中使用 – 它将在制定用户满意度方面。

机器学习如何影响SEO技术？

谈到搜索引擎优化技术，你现在需要关注一个人：  Cindy Krum。注意她要说的话，因为她走在正确的轨道上。

在关于移动优先索引的对话中  ，她创造了一个我个人认为能够很好地总结搜索引擎优化技术的未来的术语。她将“移动优先”称为一个不正确的术语，将正确的术语命名为“便携式优先”。

她提出的想法是，内容应该很容易与您的设计和技术结构（即便携式）分开，以便随时随地访问。

当我们进入机器学习新世界时，我们的目标是为用户提供满足其意图的信息。

我们的工作是确保内容可以从其存在的构造中轻松理解和提取 – 通过标记，XML提要，或者只是以清晰易懂的方式构建页面上的内容。